AI 과대 광고에서 실용성에 이르기까지 : 기업은 플래시보다 우선 순위를 정해야합니다.
우리가 자율적 인 변화의 시대에 더 깊이 빠져들면서, AI 에이전트는 비즈니스 기능을 어떻게 재구성하고 가치를 창출하는지를 재구성하고 있습니다. 그러나 공급 업체의 바다가 "AI 요원"을 선전하면서 소음을 체질하여 이러한 시스템이 실제로 수행 할 수있는 일을 정확히 파악하기가 어렵습니다.
벤치 마크에 대해 자동화 및 AI 에이전트를 테스트하기위한 목록 작업만큼 간단하지 않습니다. 식료품 점으로의 빠른 여행을 위해 제트기를 선택하는 것과 마찬가지로, 우리는 AI를 작업에 어떻게 통합하는지에 대해 더 비판적으로 생각해야합니다.
우리의 작업을 AI 에이전트로 교체하려고하지 말아야하는 이유
모든 조직은 고객, 파트너 및 직원에게 가치를 제공하기 위해 노력합니다. 이 가치는 서비스가 제공하는 요구와 욕구를 감안할 때 조직이 잠재적으로 만들 수있는 것의 한 조각 일뿐입니다.
직원들이 내일에 대한 과제 목록과 감상해야 할 다른 작업 목록으로 하루를 끝내면, 해결해야 할 일 (해결 된 경우 가치가 부가 될 수있는 작업)은 잠재력과 실제 가치 창출 사이에 차이가 있다는 것이 분명합니다. 이것은 테이블에 미지의 가치를 남깁니다.
AI 에이전트를 구현하기위한 명백한 출발점은 기존 작업과 생성하는 가치를 보는 것입니다. 즉각적인 이점을 쉽게 알 수 있습니다. 작업을 자동화하여 더 빠르거나 더 안정적으로 수행합니다. 이 접근법은 혁신 전략의 일부로 유효하지만 많은 조직이 들어가는 함정은 이미 생성 한 가치를 향상시키는 데 중점을두고 있습니다. 이는 아래의 벤 다이어그램에서 볼 수 있듯이 비전과 투자를 잠재력의 작은 부분으로 제한하여 주소 수준의 많은 부분이 손길이 닿지 않습니다.
인간과 기계에는 독특한 강점과 약점이 있습니다. 작업 플로우를 비즈니스, 기술 및 업계 파트너와 함께 재 설계하기 위해 협력하는 회사는 총 가치 출력을 확장하지 않고 기존 가치 자동화에 대한 고정 된 사람들을 능가합니다.
스파 프레임 워크를 통한 AI 에이전트 기능 이해
AI 에이전트의 기능을 해제하기 위해 Spar Framework : Sense, Plan, Act 및 Reflect를 개발했습니다. 이 모델은 인간이 목표를 추구하는 방식을 반영하고 AI 에이전트 작업을 볼 수있는 간단한 렌즈를 제공합니다.
감지
우리가 감각을 사용하여 주변 환경을 이해하는 것처럼, AI 요원은 환경에서 데이터를 수집합니다. 트리거를 감지하고 관련 정보를 수집하며 운영 상황에 따라 탭을 유지합니다.
계획
감지 후 AI 요원은 행동에 빠지지 않습니다. 옵션을 평가하는 인간과 마찬가지로,이 에이전트는 목표와 제약에 비추어 데이터를 분석하여 목표 달성 방법에 대한 전략적 결정을 내립니다.
연기
동작을 실행하는 능력은 AI 에이전트를 단순한 분석 도구와 구별합니다. 다양한 도구와 시스템을 조정하여 작업을 수행하고 실시간으로 진행 상황을 모니터링하며 필요에 따라 조정하여 추적을 유지할 수 있습니다.
반영
아마도 가장 진보 된 기능은 경험에서 배울 수있는 능력입니다. 정교한 AI 에이전트는 성능을 평가하고 결과를 면밀히 조사하며 효과적인 것으로 입증되어 지속적인 개선주기를 촉진하는 방법에 따라 방법을 개선 할 수 있습니다.
AI 에이전트의 힘은이 네 가지 기능의 원활한 통합에 있으며, 이들은 성장하는 세분화로 복잡한 목표를 다룰 수있게합니다. 이 접근법은 증분 개선이 제한된 이익을 얻을 수있는 기존, 종종 최적화 된 프로세스와 대조됩니다. 가치 창출 및 시장 개발을위한 새로운 길을 탐색하면 기하 급수적으로 성장할 수 있습니다.
AI 에이전트 전략을 구축하기위한 5 단계
많은 기술자, 컨설턴트 및 비즈니스 리더가 따르는 AI를 도입하는 전통적인 방법은 87%의 실패율을 가지고 있습니다.
- 해결할 문제를 나열하십시오.
- 또는:
- 데이터를 검사하십시오.
- 잠재적 사용 사례를 선택하십시오.
- ROI, 타당성, 비용 및 타임 라인의 사용 사례를 평가합니다.
- 사용 사례의 하위 집합을 선택하고 실행에 투자하십시오.
이 방법은 모범 사례로 널리 받아 들여지기 때문에 건전하게 보일 수 있지만 증거는 그것이 효과적이지 않다는 것을 시사합니다. 새로운 전략을위한 시간입니다.
- 핵심 역량과 시장의 규제 및 지정 학적 환경을 고려하여 조직이 고객과 파트너에게 제공 할 수있는 총 잠재적 가치를 매핑하십시오.
- 조직의 현재 가치 창출을 평가하십시오.
- 새롭고 중요한 가치를 창출하고 잠재적으로 새로운 시장을 개방 할 수있는 상위 5 개 기회를 식별하십시오.
- AI 에이전트 솔루션을 개발하기위한 ROI, 타당성, 비용 및 타임 라인에 대한 이러한 기회를 평가하십시오 (필요에 따라 3 단계 및 4 단계를 반복하십시오).
- 가치 사례의 하위 집합을 선택하고 실행에 커밋하십시오.
AI로 새로운 가치를 창출합니다
자율적 변화로의 여정을 시작하는 것은 인종이 아닙니다. 그것은 기술 발전과 함께 조직의 능력이 성장하는 전략적 진화입니다. 가치에 대한 명확한 이해로 시작하여 야망을 체계적으로 확장함으로써, 귀하의 조직은 AI 요원의 시대에 번성 할 수 있습니다.
Brian Evergreen은 자율적 변화의 저자입니다 : 인공 지능 시대에 더 인간적인 미래 창조
Pascal Bornet은 에이전트 인공 지능의 저자입니다.
Evergreen과 Bornet은 Cassie Kozyrkov와 함께 AI 에이전트에 대한 새로운 온라인 코스를 제공합니다 : 리더를위한 에이전트 인공 지능
관련 기사
GoogleのAI進化の内幕：Gemini 2.5はより深い思考、賢い会話、高速なコーディングを実現
グーグル、普遍的なAIアシスタントの実現に一歩近づく今年のグーグルI/Oイベントでは、同社はGemini 2.5シリーズの大幅なアップデートを発表し、特にさまざまな次元での能力向上に重点を置いていました。最新バージョンであるGemini 2.5 Flashと2.5 Proは、これまで以上に賢く、効率的になっています。これらの進化により、グーグルは普遍的なAI
ディープコグニト、オープンソースAIモデルをリリースしランキング上位に
ディープコジート、画期的なAIモデルを発表サンフランシスコに本拠を置く革新的なAI研究スタートアップ、ディープコジートは、ついに初のオープンソース大型言語モデル（LLM）ラインナップ、「コジートv1」を正式に発表しました。これらのモデルはメタのLlama 3.2から微調整されており、ハイブリッドな推論能力を備えており、迅速な応答や内省的な思考を可能にします。
マイクロソフト、Build 2025で「能動的ウェブ」向けに50以上のAIツールを発表
マイクロソフト、ビルドカンファレンスでオープンエージェンティックウェブのビジョンを発表 本日朝、マイクロソフトは年次ビルドカンファレンスを開始するにあたり、大胆な宣言を行いました。「オープンエージェンティックウェブ」の幕開けです。50以上の発表を通じて、同社はこの変革的な動きの中心に自らを据える包括的な戦略を明らかにしました。GitHubやAzure、Wi
의견 (0)
0/200
우리가 자율적 인 변화의 시대에 더 깊이 빠져들면서, AI 에이전트는 비즈니스 기능을 어떻게 재구성하고 가치를 창출하는지를 재구성하고 있습니다. 그러나 공급 업체의 바다가 "AI 요원"을 선전하면서 소음을 체질하여 이러한 시스템이 실제로 수행 할 수있는 일을 정확히 파악하기가 어렵습니다.
벤치 마크에 대해 자동화 및 AI 에이전트를 테스트하기위한 목록 작업만큼 간단하지 않습니다. 식료품 점으로의 빠른 여행을 위해 제트기를 선택하는 것과 마찬가지로, 우리는 AI를 작업에 어떻게 통합하는지에 대해 더 비판적으로 생각해야합니다.
우리의 작업을 AI 에이전트로 교체하려고하지 말아야하는 이유
모든 조직은 고객, 파트너 및 직원에게 가치를 제공하기 위해 노력합니다. 이 가치는 서비스가 제공하는 요구와 욕구를 감안할 때 조직이 잠재적으로 만들 수있는 것의 한 조각 일뿐입니다.
직원들이 내일에 대한 과제 목록과 감상해야 할 다른 작업 목록으로 하루를 끝내면, 해결해야 할 일 (해결 된 경우 가치가 부가 될 수있는 작업)은 잠재력과 실제 가치 창출 사이에 차이가 있다는 것이 분명합니다. 이것은 테이블에 미지의 가치를 남깁니다.
AI 에이전트를 구현하기위한 명백한 출발점은 기존 작업과 생성하는 가치를 보는 것입니다. 즉각적인 이점을 쉽게 알 수 있습니다. 작업을 자동화하여 더 빠르거나 더 안정적으로 수행합니다. 이 접근법은 혁신 전략의 일부로 유효하지만 많은 조직이 들어가는 함정은 이미 생성 한 가치를 향상시키는 데 중점을두고 있습니다. 이는 아래의 벤 다이어그램에서 볼 수 있듯이 비전과 투자를 잠재력의 작은 부분으로 제한하여 주소 수준의 많은 부분이 손길이 닿지 않습니다.
인간과 기계에는 독특한 강점과 약점이 있습니다. 작업 플로우를 비즈니스, 기술 및 업계 파트너와 함께 재 설계하기 위해 협력하는 회사는 총 가치 출력을 확장하지 않고 기존 가치 자동화에 대한 고정 된 사람들을 능가합니다.
스파 프레임 워크를 통한 AI 에이전트 기능 이해
AI 에이전트의 기능을 해제하기 위해 Spar Framework : Sense, Plan, Act 및 Reflect를 개발했습니다. 이 모델은 인간이 목표를 추구하는 방식을 반영하고 AI 에이전트 작업을 볼 수있는 간단한 렌즈를 제공합니다.
감지
우리가 감각을 사용하여 주변 환경을 이해하는 것처럼, AI 요원은 환경에서 데이터를 수집합니다. 트리거를 감지하고 관련 정보를 수집하며 운영 상황에 따라 탭을 유지합니다.
계획
감지 후 AI 요원은 행동에 빠지지 않습니다. 옵션을 평가하는 인간과 마찬가지로,이 에이전트는 목표와 제약에 비추어 데이터를 분석하여 목표 달성 방법에 대한 전략적 결정을 내립니다.
연기
동작을 실행하는 능력은 AI 에이전트를 단순한 분석 도구와 구별합니다. 다양한 도구와 시스템을 조정하여 작업을 수행하고 실시간으로 진행 상황을 모니터링하며 필요에 따라 조정하여 추적을 유지할 수 있습니다.
반영
아마도 가장 진보 된 기능은 경험에서 배울 수있는 능력입니다. 정교한 AI 에이전트는 성능을 평가하고 결과를 면밀히 조사하며 효과적인 것으로 입증되어 지속적인 개선주기를 촉진하는 방법에 따라 방법을 개선 할 수 있습니다.
AI 에이전트의 힘은이 네 가지 기능의 원활한 통합에 있으며, 이들은 성장하는 세분화로 복잡한 목표를 다룰 수있게합니다. 이 접근법은 증분 개선이 제한된 이익을 얻을 수있는 기존, 종종 최적화 된 프로세스와 대조됩니다. 가치 창출 및 시장 개발을위한 새로운 길을 탐색하면 기하 급수적으로 성장할 수 있습니다.
AI 에이전트 전략을 구축하기위한 5 단계
많은 기술자, 컨설턴트 및 비즈니스 리더가 따르는 AI를 도입하는 전통적인 방법은 87%의 실패율을 가지고 있습니다.
- 해결할 문제를 나열하십시오.
- 또는:
- 데이터를 검사하십시오.
- 잠재적 사용 사례를 선택하십시오.
- ROI, 타당성, 비용 및 타임 라인의 사용 사례를 평가합니다.
- 사용 사례의 하위 집합을 선택하고 실행에 투자하십시오.
이 방법은 모범 사례로 널리 받아 들여지기 때문에 건전하게 보일 수 있지만 증거는 그것이 효과적이지 않다는 것을 시사합니다. 새로운 전략을위한 시간입니다.
- 핵심 역량과 시장의 규제 및 지정 학적 환경을 고려하여 조직이 고객과 파트너에게 제공 할 수있는 총 잠재적 가치를 매핑하십시오.
- 조직의 현재 가치 창출을 평가하십시오.
- 새롭고 중요한 가치를 창출하고 잠재적으로 새로운 시장을 개방 할 수있는 상위 5 개 기회를 식별하십시오.
- AI 에이전트 솔루션을 개발하기위한 ROI, 타당성, 비용 및 타임 라인에 대한 이러한 기회를 평가하십시오 (필요에 따라 3 단계 및 4 단계를 반복하십시오).
- 가치 사례의 하위 집합을 선택하고 실행에 커밋하십시오.
AI로 새로운 가치를 창출합니다
자율적 변화로의 여정을 시작하는 것은 인종이 아닙니다. 그것은 기술 발전과 함께 조직의 능력이 성장하는 전략적 진화입니다. 가치에 대한 명확한 이해로 시작하여 야망을 체계적으로 확장함으로써, 귀하의 조직은 AI 요원의 시대에 번성 할 수 있습니다.
Brian Evergreen은 자율적 변화의 저자입니다 : 인공 지능 시대에 더 인간적인 미래 창조
Pascal Bornet은 에이전트 인공 지능의 저자입니다.
Evergreen과 Bornet은 Cassie Kozyrkov와 함께 AI 에이전트에 대한 새로운 온라인 코스를 제공합니다 : 리더를위한 에이전트 인공 지능
GoogleのAI進化の内幕：Gemini 2.5はより深い思考、賢い会話、高速なコーディングを実現
グーグル、普遍的なAIアシスタントの実現に一歩近づく今年のグーグルI/Oイベントでは、同社はGemini 2.5シリーズの大幅なアップデートを発表し、特にさまざまな次元での能力向上に重点を置いていました。最新バージョンであるGemini 2.5 Flashと2.5 Proは、これまで以上に賢く、効率的になっています。これらの進化により、グーグルは普遍的なAI
ディープコグニト、オープンソースAIモデルをリリースしランキング上位に
ディープコジート、画期的なAIモデルを発表サンフランシスコに本拠を置く革新的なAI研究スタートアップ、ディープコジートは、ついに初のオープンソース大型言語モデル（LLM）ラインナップ、「コジートv1」を正式に発表しました。これらのモデルはメタのLlama 3.2から微調整されており、ハイブリッドな推論能力を備えており、迅速な応答や内省的な思考を可能にします。
マイクロソフト、Build 2025で「能動的ウェブ」向けに50以上のAIツールを発表
マイクロソフト、ビルドカンファレンスでオープンエージェンティックウェブのビジョンを発表 本日朝、マイクロソフトは年次ビルドカンファレンスを開始するにあたり、大胆な宣言を行いました。「オープンエージェンティックウェブ」の幕開けです。50以上の発表を通じて、同社はこの変革的な動きの中心に自らを据える包括的な戦略を明らかにしました。GitHubやAzure、Wi
